论文摘要
针对我国沿海与内陆水域区域视频监控处理存在实际利用率低、误差率大、无识别能力、需人工参与等问题,提出基于Darknet网络模型结合YOLOv3算法的船舶跟踪识别方法实现船舶的跟踪并实时检测识别船舶类型,解决了重要监测水域船舶跟踪与识别问题。该方法提出的Darknet网络引入了残差网络的思想,采用跨层跳跃连接方式以增加网络深度,构建船舶深度特征矩阵提取高级船舶特征进行组合学习,得到船舶特征图。在此基础上,引入YOLOv3算法实现基于图像的全局信息进行目标预测,将目标区域预测和目标类别预测整合于单个神经网络模型中。加入惩罚机制来提高帧序列间的船舶特征差异。通过逻辑回归层作二分类预测,实现在准确率较高的情况下快速进行目标跟踪与识别。实验结果表明,提出的算法在30 frame/s的情况下,平均识别精度达到89.5%,与传统以及深度学习算法相比,不仅具有更好的实时性、准确性,对各种环境变化具有较好的鲁棒性,而且可以识别多种船舶的类型及其重要部位。
论文目录
文章来源
类型: 期刊论文
作者: 刘博,王胜正,赵建森,李明峰
关键词: 海上交通,船舶监测,船舶跟踪,船舶类型识别,网络,算法
来源: 计算机应用 2019年06期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 船舶工业,计算机软件及计算机应用
单位: 上海海事大学商船学院
基金: 国家自然科学基金资助项目(51379121,61304230),上海市曙光人才计划项目(15SG44)~~
分类号: TP391.41;U665.2
页码: 1663-1668
总页数: 6
文件大小: 3779K
下载量: 1621